本文对HPO中最基本的主题进行了综述。第一部分介绍了与模型训练和结构相关的关键超参数，并讨论了它们的重要性和定义值范围的方法。然后，研究了主要的优化算法及其适用性，包括它们的效率和准确性，特别是对于深度学习网络。本研究接下来将回顾HPO的主要服务和工具包，比较它们对最先进的搜索算法的支持、与主要深度学习框架的可行性以及用户设计的新模块的可扩展性。
2021-04-22 16:51:52
1.96MB
1
压缩包为贝叶斯优化在机器学习和深度学习中应用的小案例，里包含：
(1)data:iris.csv和mnist.npz;
(2)贝叶斯优化_ML.py;
(3)贝叶斯优化_DL.py。
2021-04-21 21:03:25
10.96MB
1
里面记录着140个LTE针对不同场景不同类型KPI的优化参数及现网值，大家可以先对照本地区现网值，在酌情考虑
2021-04-09 21:01:24
36KB
1
三相PWM整流器中引入LCL滤波器,在减少谐波的同时,给系统带来谐振问题,增加不稳定因素。在双闭环PI控制的基础上,采用基于滤波电容电流反馈的有源阻尼方式以减少系统谐振,并提出1种根轨迹分析方法,对电流环PI控制器参数和滤波电容电流反馈系数进行简单直观的优化设计,使系统具有更好的稳态和动态性能。仿真结果证明了所提出的控制器参数优化方法具有有效性和实用性。
2021-04-06 19:07:15
395KB
1
针对MCKD算法的滤波长度L和移位数M的难以选取的问题，利用PSO(粒子群优化算法)、MVO(多元宇宙优化算法)对MCKD算法的参数进行寻优，适应度函数为峰值因数的平方的倒数，峰值因数越大，周期冲击特性越强，故障特征越明显。
2021-04-06 14:03:18
861KB
遗传算法优化simulink模型中的参数，实测成功
如下问题：
1.遗传算法编程的详细解释
2.目标函数怎么编写，适应度函数与目标函数的关系
3.m文件与simulink如何联合仿真
4.sim（）的应用细节
5.相关报错处理
在资源中已详尽解释，欢迎大家下载学习，少走弯路！
2021-04-06 11:15:05
198KB
为有效指导露天煤矿制定正确生产计划,提高露天煤矿抛掷爆破预测的准确率,在分析露天煤矿抛掷爆破影响因素的基础上,通过"试错法"确定模型最优隐含层节点参数,进而提出一种参数优化后遗传算法(GA)和极限学习机(ELM)相结合的抛掷爆破预测模型。选取网络的输入输出相关参数,针对现有ELM输入权值矩阵和隐含层偏差,采用遗传算法对其进行优化选择;利用某露天煤矿抛掷爆破监测数据对该模型进行实例分析,并将RBF,BP,SVM,GA-BP模型预测结果与该模型进行对比分析;并引入Weibull模型,通过预测控制参数ɑ,β模拟爆堆形态。研究结果表明:(1)通过"试错法"确定GA-ELM模型最优隐含层节点数为39,有效降低系统的仿真误差,该参数下仿真误差值为0.137 7;(2)相较于传统ELM预测模型,通过遗传算法优化后,有效抛掷率,松散系数以及抛掷距离均得出更小的均方误差MSE值(0.258 0,1.748 5×10-4,3.618 4)和更高的决定系数R2值(0.986 4,0.995 3,0.970 6),改进后的GA-ELM具有更好的拟合效果和泛化能力;(3)通过与其他智能算法如BP,RBF,SVM
2021-04-01 16:00:47
877KB
1